Topic description
Contexte de recherche
Cette thèse porte sur le développement de méthodes de détection et de diagnostic dans le cadre des risques thermiques associés aux procédés de valorisation de la biomasse1,2. Cette valorisation se développe rapidement depuis plusieurs années et présente des défis similaires, voire supérieurs, à ceux des procédés à base de pétrole3, notamment en ce qui concerne les risques d’emballement thermique. Les méthodes traditionnelles d’évaluation des risques thermiques, telles que les modèles cinétiques d'ordre zéro dans des conditions conservatrices, ne tiennent pas compte des effets de pression ou des environnements d’exploitation complexes4. De plus, elles reposent sur des approches basées sur une compréhension approfondie des équations différentielles non linéaires (ou variationnelles) régissant le comportement du processus. La complexité numérique associée à la sensibilité aux incertitudes des paramètres est considérable. Ainsi, tout changement dans les conditions de réaction nécessite des mises à jour complètes. La prise en compte de l’effet de pression et de la composition des phases gazeuse et liquide porterait cette complexité numérique à un niveau encore plus élevé.
Ces modèles ne permettent donc pas de prédire correctement les phénomènes d’emballement thermique dans différentes conditions opératoires. Il est devenu nécessaire de développer de nouveaux modèles cinétiques dans différents modes thermiques et intégrant l’évolution de la pression et la composition de la phase gazeuse. Dans cette thèse DECLARANT, ce problème sera tout d’abord traité en reprenant des modèles cinétiques multifactoriels. Puis, tirant parti de l’intelligence artificielle (IA) et de l’apprentissage machine (ML), des algorithmes de détection et de diagnostic seront développés afin d’optimiser et de contrôler les processus exothermiques. Ces algorithmes seront entraînés sur le jumeau numérique de l’expérience fourni par les modèles cinétiques. Les travaux de cette thèse s’appuieront sur les connaissances existantes en intégrant l’évaluation des risques dans la conception des procédés afin d’améliorer simultanément la sécurité et l’efficacité. Ils évalueront en particulier l’hydrogénation et l’oxydation du furfural, des procédés connus pour leur forte exothermie et leur potentiel de réactions secondaires dangereuses, telles que la production de gaz ou d’intermédiaires instables.
Objectifs
objectifs sont de i) développer des modèles cinétiques multifactoriels; ii) d’innover dans la détection et le diagnostic d’alerte précoce en couplant le signal de température avec la pression et/ou la composition de la phase gazeuse à l’aide d'une intelligence artificielle entraînée sur le jumeau numérique; Cette approche permettra d’intensifier les processus de valorisation de la biomasse qui sont sensibles à l’emballement thermique en raison de leur forte exothermie. Cela facilitera le développement de nouveaux processus sûrs et efficaces qui sont essentiels pour la transition vers des matières premières chimiques plus durables.
Cette thèse s’inscrit dans le cadre du projet AAPG ANR «QUANTum mechAnicS for prediction and arTificial Intelligence for early thermal runaway deteCtion and mitigation» (QUANTASTIC), en collaboration entre trois établissements : Laboratoire de Chimie (LCH-UMR ) CNRS-École Normale Supérieure de Lyon, Université Lyon 1; Laboratoire de Sécurité des Procédés Chimiques (LSPC-UR ) INSA-Université de Rouen; et GREAH (EA ), Université Le Havre Normandie.
Programme et déroulement prévu
Divers critères d’emballement ont été établis pour évaluer l’état de sécurité des réacteurs au cours des dernières décennies5. Ces critères incluent le critère de divergence, le critère adiabatique et le critère de température cible, utilisés pour distinguer les états d’emballement des états non-emballés. Ces critères doivent être robustes, faciles à mettre en œuvre et éviter les fausses alertes. Bien que l’effet de pression et la mesure en ligne de la composition de la phase gazeuse ne soient généralement pas inclus dans les critères d'emballement thermique, nous pensons qu’ils jouent un rôle essentiel dans la réduction des risques d'emballement thermique. En collaboration avec LSPC, INSA de Rouen et LCH, CNRS-École Normale Supérieure de Lyon, des modèles cinétiques multifactoriels, c’est-à-dire incluant différents modes thermiques, la présence de matériaux à changement de phase (PCM), la pression et la composition de la phase gazeuse seront développés pour être ensuite exploitées dans le cadre du diagnostic.
2. L’étape de développement des méthodes de la détection et du diagnostic afin d’optimiser et de contrôler les processus exothermiques
Pour développer des méthodes de la détection et du diagnostic, nous explorerons les méthodes d’IA et de ML6,7 comme une alternative améliorée aux approches conventionnelles basées sur la connaissance et les techniques algébriques pour la détection et le diagnostic des emballements thermiques. Actuellement, les techniques de calcul symbolique permettent de partitionner l’espace des paramètres, en distinguant les états nominaux et non nominaux du système8. Ces techniques fournissent également des critères exacts pour la détection et le diagnostic de défauts multiples à l’aide de mesures du système9. Bien que certaines études prennent en compte le bruit des mesures et les incertitudes des paramètres, les approches exactes ne permettent pas une exploration complète des plages de valeurs des défauts ou la prise en compte de tous les scénarios possibles de défauts multiples8,10. Ce projet consiste à développer et améliorer des modèles de substitution tels que les réseaux neuronaux artificiels, les machines à vecteurs de support ou d'autres outils d'apprentissage automatique. En particulier, il vise
- Au niveau de la détection à utiliser des techniques de regroupement11 ou d’autres approches pour diviser l’espace d’état en différentes régions. Chaque région sera étiquetée comme normale, acceptable et critique, en fonction de paramètres clés, par exemple la température et la pression.
- Au niveau du diagnostic à séparer les causes profondes de l’emballement thermique sur la base de l’historique des paramètres clés.
Starting date
-12-01
Funding category
Public funding alone (i.e. government, region, European, international organization research grant)
Funding further details
ANR, région
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.